Django垃圾分类系统：OCR识别+积分激励+后台审核闭环实战-北京尧图网络

简介这是一套面向计算机相关专业本科生的高分毕业设计实战资源基于Python与Django框架构建完整的垃圾分类管理系统适用于软件工程、人工智能、电子信息等专业的毕设、课程设计或项目实践。资源包含可直接运行的全量代码、详细开发文档、数据库设计说明及部署指南覆盖用户管理、垃圾识别分类、数据统计与后台管理等核心模块兼顾功能完整性与教学适配性。压缩包共2000个文件主体为1457个Python源码文件含Django应用逻辑与模型定义、139个HTML模板页实现响应式前端界面、96个JavaScript交互脚本及20个CSS样式文件含select2、widgets等Django Admin定制样式整体体积17.12MB结构规范便于二次开发与模块化学习。目前已有139人下载学习提供开箱即用的调试环境、清晰的目录组织含apps、static、templates分层、常见部署问题解决方案及基础扩展建议是入门Django Web开发与毕业设计落地的优质参考范例。1. 垃圾分类系统不是演示Demo它真能跑通OCR识别用户积分后台审核闭环适合毕设答辩前两周才动手的你去年带三届毕业设计最常被问的问题是“老师有没有那种——改改数据库名、换换logo就能交的Django项目”这个基于PythonDjango的垃圾分类系统就是答案。它不是PPT里飘着的“智能识别”概念图而是实打实跑在本地开发环境里的完整Web应用前端有分类拍照上传页、用户积分排行榜、垃圾知识库后端用Django REST Framework暴露API内置管理员审核流居民提交→AI初判→人工复核→积分到账模型层虽未打包训练好的YOLOv5权重但预留了/api/v1/predict/接口和标准输入输出格式你插个torch.hub.load(ultralytics/yolov5, yolov5s)就能接上文档里连requirements.txt里django3.2.23这种版本锁死理由都写了——因为更高版本会破坏Admin中自定义的“审核状态流转按钮”。它不解决“如何从零训练一个识别模型”但彻底解决了“毕设要交、代码要跑、答辩要讲清楚数据流向”的真实压力。如果你正卡在开题后找不到可落地的选题或答辩倒计时14天还在调pip install django报错这份资料就是为你写的后悔药。2. 从解压到首页显示五步走通Django垃圾分类系统启动链路2.1 解压即得完整项目结构看清manage.py之外的三个关键目录拿到.zip包后先别急着python manage.py runserver。用命令行解压并进入根目录unzip 基于PythonDjango的垃圾分类系统的设计与实现详细文档全部资料高分毕业设计.zip -d garbage_project cd garbage_project ls -l你会看到标准Django项目骨架但有三个目录必须立刻关注目录名作用毕设答辩必讲点garbage_app/核心业务App含models.pyWasteItem,UserSubmission,ReviewLog三张表、views.pyUploadView,RankingView,AdminReviewView、serializers.pyREST API序列化规则“我为什么把审核日志单独建表——为答辩时展示‘管理员操作留痕’功能做铺垫”static/静态资源js/upload.js里封装了navigator.mediaDevices.getUserMedia()调用逻辑css/style.css里.score-badge类控制积分徽章颜色渐变“前端没用Vue/React纯HTMLJSBootstrap确保答辩现场不因框架兼容性翻车”docs/真·救命文档系统部署手册.md含Windows/Linux双平台步骤、数据库ER图.png用draw.io画的字段类型标注清晰、答辩PPT模板.pptx第7页直接放系统首页截图箭头标注数据流向“答辩PPT里‘技术选型’页我就照抄docs/技术选型说明.docx里‘Django Admin天然支持多级审核权限’这句话”提示garbage_project/下没有venv/文件夹——这是故意的。作者要求你自己创建虚拟环境避免不同Python版本导致django.contrib.admin样式错乱。这既是规范也是答辩时展示“我理解环境隔离重要性”的伏笔。2.2 创建虚拟环境并安装依赖为什么requirements.txt里锁死了Django 3.2.23执行以下命令以Linux/macOS为例Windows请将source换成venv\Scripts\activate.batpython -m venv venv source venv/bin/activate pip install --upgrade pip pip install -r requirements.txt打开requirements.txt你会看到Django3.2.23 djangorestframework3.12.4 Pillow8.3.2 python-decouple3.6 psycopg2-binary2.9.1 # 注意若用SQLite可删此行为什么Django必须是3.2.23血泪经验Django 4.0 移除了django.conf.urls.url而garbage_app/urls.py里还用着url(r^admin/, admin.site.urls)写法Django 3.2.23是最后一个长期支持LTS版本官方维护到2024年4月确保你答辩时不会因安全补丁缺失被评委质疑djangorestframework3.12.4与Django 3.2.x完全兼容更高版本在serializers.py的ListSerializer继承逻辑上有细微差异。注意如果pip install卡在psycopg2-binary说明你没装PostgreSQL开发头文件。毕设场景强烈建议直接改用SQLite——编辑settings.py把DATABASES配置替换成DATABASES { default: { ENGINE: django.db.backends.sqlite3, NAME: BASE_DIR / db.sqlite3, } }这样连PostgreSQL都不用装python manage.py migrate秒过。2.3 执行迁移并创建超级用户migrate失败先检查__pycache__残留运行迁移命令python manage.py migrate python manage.py createsuperuser如果migrate报错no such table: auth_user大概率是之前测试时残留了__pycache__或旧数据库文件。执行find . -name __pycache__ -type d -exec rm -rf {} rm db.sqlite3 # 若用SQLite python manage.py migrate创建超级用户时按提示输入用户名、邮箱、密码密码需8位以上含大小写字母。记住这个账号——它将是后台审核入口的唯一凭证。2.4 启动服务并验证首页runserver后访问http://127.0.0.1:8000看到什么才算成功python manage.py runserver打开浏览器访问http://127.0.0.1:8000你应该看到顶部导航栏首页、知识库、我的积分、后台管理未登录时“后台管理”灰显中央大图一张手绘风格的四色垃圾桶可回收/有害/湿垃圾/干垃圾底部滚动字幕“已累计识别垃圾图片12,843张用户平均积分提升27%”关键验证点点击“我的积分”跳转到/user/profile/页面显示你的用户名和初始积分0点击右上角“登录”用刚才创建的超级用户账号登录再访问/admin/能看到Garbage App下的三张表管理入口——这才是真正跑通的标志。2.5 后台审核流程实操用超级用户账号走一遍“居民提交→AI初判→人工复核”全链路用普通用户身份如注册一个新账号上传一张厨余垃圾图片比如香蕉皮提交后状态显示“AI识别中”用超级用户登录/admin/进入User Submissions列表找到该条记录点击编辑在review_status下拉框中选择“通过”填写审核意见“确认为湿垃圾”保存切回普通用户页面刷新“我的积分”积分应增加10settings.py中POINT_PER_APPROVED_SUBMISSION 10查看Review Log表确认生成一条action: approved, operator: admin的日志。这个流程验证了业务闭环的真实性——不是静态页面而是数据库状态变更触发积分计算。答辩时指着ReviewLog表说“每一条审核操作都被持久化记录满足信息系统审计要求”评委立刻点头。3. 模型接入与API扩展把YOLOv5塞进Django不改一行前端代码3.1predict/接口设计原理为什么用APIView而非ModelViewSetgarbage_app/views.py里有一个关键类from rest_framework.views import APIView from rest_framework.response import Response from rest_framework import status class PredictView(APIView): def post(self, request): # 1. 接收base64图片 # 2. 调用本地YOLO模型 # 3. 返回JSON{label: 厨余垃圾, confidence: 0.92, bbox: [x1,y1,x2,y2]} pass选APIView而非ModelViewSet是因为ModelViewSet默认绑定数据库模型但预测行为不产生新记录结果存入UserSubmission是后续动作APIView让你完全控制请求解析request.data.get(image_base64)、异常捕获try...except torch.cuda.OutOfMemoryError、响应格式Response({error: GPU内存不足}, status500)毕设答辩时你可以指着这段代码说“我刻意不用DRF的自动序列化因为预测接口需要精细控制CUDA资源释放逻辑”。3.2 替换占位模型用torch.hub加载YOLOv5三行代码搞定原项目garbage_app/ml_model.py里是占位函数def predict_image(image_path): return {label: 可回收物, confidence: 0.85} # 占位返回替换为真实YOLOv5推理需提前安装torch和opencv-pythonimport torch import cv2 import numpy as np # 在文件顶部加载模型全局单例避免重复加载 model torch.hub.load(ultralytics/yolov5, yolov5s, pretrainedTrue) def predict_image(image_path): img cv2.imread(image_path) results model(img) # 获取最高置信度的检测结果 if len(results.xyxy[0]) 0: box results.xyxy[0][0].cpu().numpy() label_id int(box[5]) confidence float(box[4]) # YOLOv5默认COCO类别需映射到垃圾分类类别 coco_to_waste {0: 可回收物, 1: 有害垃圾, 2: 湿垃圾, 3: 干垃圾} label coco_to_waste.get(label_id, 未知) return {label: label, confidence: confidence, bbox: box[:4].tolist()} else: return {label: 未检测到垃圾, confidence: 0.0}参数说明yolov5s是轻量版适合毕设演示1.7MBCPU推理2s若想用更准的yolov5m只需改yolov5s为yolov5m但需注意requirements.txt里要加torch1.12.1cpuCPU版或torch1.12.1cu113CUDA 11.3。3.3 前端调用/api/v1/predict/upload.js里藏着的异步陷阱static/js/upload.js中关键代码段// 上传图片后立即调用预测API function uploadAndPredict(file) { const reader new FileReader(); reader.onload function(e) { fetch(/api/v1/predict/, { method: POST, headers: {Content-Type: application/json}, body: JSON.stringify({image_base64: e.target.result.split(,)[1]}) }) .then(response response.json()) .then(data { // 更新UI显示识别结果和置信度 document.getElementById(result).innerText 识别为${data.label}置信度${(data.confidence*100).toFixed(1)}%; }) .catch(error { console.error(预测失败:, error); alert(AI识别暂时不可用请稍后重试); }); }; reader.readAsDataURL(file); }这里有个玄学坑fetch默认不带CSRF tokenDjango会拒绝请求。解决方案是在settings.py中临时关闭CSRF仅限毕设演示# settings.py REST_FRAMEWORK { DEFAULT_AUTHENTICATION_CLASSES: [], DEFAULT_PERMISSION_CLASSES: [rest_framework.permissions.AllowAny], } # 并注释掉MIDDLEWARE中的django.middleware.csrf.CsrfViewMiddleware提示答辩时若被问“生产环境怎么处理CSRF”回答“实际部署会启用Django REST Framework的SessionAuthentication并在前端AJAX请求头中携带X-CSRFToken本项目为简化演示关闭。”3.4 自定义垃圾类别映射表waste_categories.json决定你的识别准确率上限项目根目录下有waste_categories.json{ 厨余垃圾: [banana, rice, eggshell], 可回收物: [bottle, newspaper, can], 有害垃圾: [battery, lightbulb, pesticide], 其他垃圾: [brick, ceramic, dust] }这个文件的作用是当YOLOv5返回label_id0COCO的person类时系统查表发现person不在任何垃圾类别中就返回“未知”。你要做的是用自己收集的20张图片微调这个映射——比如拍10张奶茶杯照片YOLOv5可能识别为cup那就把cup加到可回收物数组里。这比重新训练模型快10倍且答辩时能展示“我根据本地垃圾特征优化了识别逻辑”。3.5 扩展API给积分排行榜加缓存让/api/v1/ranking/响应速度从1.2s降到80msgarbage_app/views.py中RankingView默认每次请求都查数据库class RankingView(APIView): def get(self, request): users User.objects.order_by(-points)[:10] # 每次都查DB return Response(UserSerializer(users, manyTrue).data)加Redis缓存需安装redis和django-redispip install redis django-redis修改settings.pyCACHES { default: { BACKEND: django_redis.cache.RedisCache, LOCATION: redis://127.0.0.1:6379/1, OPTIONS: {CLIENT_CLASS: django_redis.client.DefaultClient}, } }然后改造视图from django.core.cache import cache class RankingView(APIView): def get(self, request): cache_key top10_ranking cached_data cache.get(cache_key) if cached_data is not None: return Response(cached_data) users User.objects.order_by(-points)[:10] data UserSerializer(users, manyTrue).data cache.set(cache_key, data, timeout300) # 缓存5分钟 return Response(data)血泪经验毕设答辩现场演示时评委一定会狂刷排行榜页面。没加缓存前第3次刷新就出现“504 Gateway Timeout”加了缓存后所有请求都在80ms内返回——这会让你的系统看起来“很稳”。4. 避坑指南答辩前夜还在修的五个真实Bug及根治方案4.1 现象python manage.py runserver报错ModuleNotFoundError: No module named garbage_app原因项目根目录下缺少__init__.py文件或PYTHONPATH未包含当前目录。解决确保garbage_project/目录下有空的__init__.py文件在manage.py同级目录执行命令不要在garbage_project/garbage_app/内执行终极方案在manage.py顶部加两行毕设专用import sys sys.path.append(.)4.2 现象上传图片后前端显示“AI识别暂时不可用”但Django日志无报错原因fetch请求被浏览器CORS策略拦截Network面板显示Failed to load resource: net::ERR_FAILED。解决安装django-cors-headerspip install django-cors-headerssettings.py中添加INSTALLED_APPS [corsheaders] MIDDLEWARE.insert(0, corsheaders.middleware.CorsMiddleware) CORS_ALLOW_ALL_ORIGINS True # 毕设演示专用4.3 现象管理员审核后用户积分没增加ReviewLog表也无记录原因garbage_app/models.py中UserSubmission的save()方法里if self.review_status approved判断失效——因为数据库里存的是approved但前端传的是Approved首字母大写。解决在views.py的审核视图中强制转换submission.review_status request.data.get(review_status, ).lower()或在models.py的REVIEW_STATUS_CHOICES里统一用小写元组REVIEW_STATUS_CHOICES [(pending, 待审核), (approved, 已通过), (rejected, 已驳回)]4.4 现象python manage.py createsuperuser时密码输完直接退出无成功提示原因Windows终端编码问题或input()函数被重定向。解决用python manage.py createsuperuser --username admin --email adminexample.com命令行参数方式创建或在settings.py中临时禁用密码验证AUTH_PASSWORD_VALIDATORS [] # 毕设演示期间注释掉4.5 现象/admin/页面CSS样式错乱按钮变成纯文字链接原因Django 3.2.23的Admin静态文件未收集DEBUGFalse时尤其明显。解决确保settings.py中DEBUG True毕设演示必须为True若仍错乱手动收集静态文件python manage.py collectstatic --noinput检查STATIC_URL /static/和STATIC_ROOT BASE_DIR / staticfiles是否配置正确。5. 毕设答辩终极技巧用三张图讲清技术深度让评委主动问“你还能做什么”5.1 图1数据库ER图——用docs/数据库ER图.png讲清“为什么审核日志要独立建表”这张图里UserSubmission和ReviewLog之间是1:N关系一次提交可被多次审核。答辩时指着它说“评委老师请看ReviewLog表有operator操作人、action_time操作时间、old_status/new_status状态变更前/后三个字段。这意味着系统能回溯任意一次积分变动的原因——比如用户质疑‘为什么我上次提交没加分’管理员查ReviewLog就能出示‘当时因图片模糊被驳回’的完整证据链。这不仅是功能更是信息系统合规性的基础设计。”提示把docs/数据库ER图.png导入PPT时用红色箭头圈出ReviewLog表并在旁边加批注“满足等保2.0对操作审计的要求”。5.2 图2API时序图——用docs/API交互时序图.drawio证明“前后端分离不是口号”这张图展示/api/v1/upload/→/api/v1/predict/→/api/v1/submit/的三次调用。关键点在于第一次上传只存图片到media/返回submission_id第二次预测用submission_id关联结果第三次提交才更新UserSubmission的review_status和points。答辩时强调“这种分步设计让前端可以‘上传即显示进度条’后端能‘预测失败时不扣用户积分’。如果合并成一个接口一次失败就导致整个流程中断——这在用户体验和系统健壮性上是本质区别。”5.3 图3积分增长曲线图——用docs/用户积分增长趋势.csv生成的折线图讲透“业务价值量化”用Excel打开docs/用户积分增长趋势.csv模拟数据生成折线图横轴是日期纵轴是日均积分。答辩时说“我们模拟了100名用户连续30天的使用数据。您看这条上升曲线——第7天起增速加快因为系统上线了‘连续7天提交奖励’功能代码在garbage_app/tasks.py的check_streak_bonus函数。这说明技术不只是实现功能更要驱动用户行为。如果评委老师感兴趣我可以现场演示如何把这个奖励逻辑改成‘邀请好友得双倍积分’。”血泪经验去年有学生答辩时只讲技术评委问“这系统有什么商业价值”他愣住。今年我让学生提前准备这张图评委听完立刻追问“那你们怎么防止刷分”顺势引出ReviewLog的防刷机制——把被动问答变成主动展示。从那以后我每次指导毕设都强制学生在答辩前一周用这三张图ER图、时序图、增长图走一遍全流程先自己讲3分钟再请同学模拟评委提问。不是为了背稿而是让技术细节长进肌肉记忆——当评委问“你这个审核状态流转怎么保证原子性”你能脱口而出“我在ReviewLog的save()方法里用了transaction.atomic()并且日志表主键是UUIDField避免并发冲突”而不是翻代码找半天。希望帮到你。本文还有配套的精品资源点击获取

Django垃圾分类系统：OCR识别+积分激励+后台审核闭环实战

相关推荐

T3技术栈实战：用tRPC+Prisma打造代码片段管理工具

MATLAB 2021a 实现小球弹射强化学习控制

SpringBoot蛋糕店系统：入门级可交付业务闭环实践

更多资讯

非线性光学仿真核心：相位匹配与RK4求解从倍频到OPO/OPA

inSSIDer 2.0无线勘测实战：信道规划、干扰排查与数据复核

Perona-Malik扩散模型Matlab修改版：保边去噪算法与实现

MATLAB调Q光纤激光器仿真：刚性方程建模与数值求解实战

Python爬取搜狗微信搜索：公众号数据采集与反爬实战指南

副队长JavaScript教程(49)-主动抛出异常与错误类型

今日更新

Agent-Reach：打通大模型触达外部系统的最后一公里

深度学习图像隐写分析实战：从CNN原理到毕设源码全解析

AI赋能知识产权供需匹配：专利评估、需求挖掘与多路召回工程实践

本周精选

防幻觉智能体架构：电源硬件设计中的大模型编排与工具化实践

OpenGL面试核心考点：渲染管线、矩阵变换与性能排查全解析

全国计算机二级C语言真题PDF高效刷题指南

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？